هیچ‌کس به قابلیت ChatGPT در جهت خلق ایده شک ندارد . آیا این ایده‌ها به اندازه کافی خوب هستند؟
اخیراً در یک آزمایش، از تیم‌های مختلفی خواسته شد تا ایده‌های خلاقانه‌ای با بهره‌گیری از هوش مصنوعی ارائه دهند، پس از بررسی ایده‌های ارائه شده و مقایسه آن‌ها با یکدیگر مشخص شد که هوش مصنوعی در بیشتر بخش‌ها به دستاوردهای متوسطی دست یافته و در دیگر بخش‌ها کمتر از حد انتظار ظاهر شده بود. کیان گوهر (Kian Gohar) , مدیرعامل شرکت رهبری توسعه آزمایشگاه جئو (GeoLab) و یکی از نویسندگان این مطالعه، می‌گوید: “این فن‌آوری را سرزنش نکنید. تصورات غلط رایجی در مورد هوش مصنوعی در راستای حل مساله و فرآیندهای خلاقانه وجود دارد که باعث می‌شود کارگران و مدیران به شیوه نامناسبی از این ابزار استفاده کنند و حتی گاهی اوقات نتایج بدتری منجر می‌شود”.
در این آزمایش گوهر و همکارش، جرمی از دانشگاه استنفورد، با چهار شرکت، دو شرکت در اروپا و دو شرکت در ایالات‌متحده همکاری کردند. از ۶۰ کارمند هر شرکت خواسته شد تا در قالب تیم‌هایی کوچک در راستای حل یک مشکل تجاری که شرکت با آن مواجه است با یکدیگر همکاری کنند. برای مثال چگونه منابع آموزشی داخلی را توسعه دهند و یا اینکه چگونه فروش b2b یک محصول خاص را افزایش دهند. در هر شرکت، چند تیم (آن‌هایی که در گروه کنترل هستند) بدون هیچ کمکی از هوش مصنوعی به حل مشکل پرداختند، در حالی که به دیگر تیم‌ها ( آن‌هایی که در گروه آزمایش هستند ) یک نسخه منبع باز از ChatGPT ارائه کردند. همچنین شرح کاملی از جزییات مرتبط با چالش مطرح شده در اختیار همه‌ی تیم‌ها قرار گرفت.
این تیم‌ها ۹۰ دقیقه وقت داشتند تا به راه‌حل‌های بالقوه ساختارمند دست یابند. کارکنان ابتدا به صورت انفرادی کار می‌کردند و سپس ایده‌های خود را در طی یک جلسه طوفان فکری با هم‌تیمی‌هایشان به اشتراک می‌گذاشتند. تیم‌های گروه‌های آزمایشی می‌توانند در هر دو فاز فکری، از ChatGPT استفاده کنند. این تیم‌ها مورد تشویق قرار گرفتند تا با وارد‌کردن اطلاعات به هوش مصنوعی آن را در جهت حل مشکل آموزش دهند. در پایان آزمایش هر تیم ایده‌های خود را ارائه کرد. مسئول اجرای راه حل نهایی در هر سازمان عهده‌دار بررسی راه حل های نوآورانه‌ی پیشنهادی نیز شد. وی نمرات را به چهار دسته A (“بسیار گیرا و قانع کننده”)، B (“جالب اما نیازمند توسعه”)، C (“نیازمند توسعه قابل‌توجه”)، D (“ارزش پیگیری دارد”) بدون اینکه بداند کدام گروه آن را پیشنهاد داده است، درجه بندی کرد. محققان می‌گویند که نتایج مطابق با انتظاراتشان نبود. پژوهشگران این آزمایش فرض کرده بودند که تیم‌ها با استفاده از ChatGPT ایده‌های بسیار بهتری نسبت به سایرین ارائه خواهند کرد. اما این تیم‌ها به طور متوسط فقط ۸ درصد ایده‌های بیشتری نسبت به تیم‌های گروه کنترل خلق کردند.
گروه‌های آزمایشی ۷ درصد D کمتر، اما ۸ درصد B بیشتری کسب کردند و تقریبا به همان میزان C بدست آوردند. عجیب‌تر از همه، آن‌ها ۲ درصد کمتر از دیگر گروه‌ها A کسب کردند. این محقق می‌گوید:” هوش مصنوعی به کارمندان کمک کرد تا از ایده‌های ضعیف اجتناب کنند اما این کار منجر به ایده‌های متوسط بیشتری شد.” بررسی‌های انجام‌شده قبل و بعد از آزمایش نشان داد، تیم‌هایی که از هوش مصنوعی استفاده کردند به توانایی حل مشکلات خود اطمینان بیشتری داشتند. اما نمراتی که دریافت کردند، نشان می‌دهد که این اعتماد نادرست بوده است. اما واقعیت این است هوش مصنوعی در حل مساله دارای پتانسیل‌های بسیاری است.
در ادامه این مقاله به چند گام برای بالا بردن سطح خلاقیت در رابطه با هوش مصنوعی می‌پردازیم.
سوال خود را به صورت دقیق و شفاف از هوش مصنوعی بپرسید
مدل‌های زبانی گسترده(Large Language Models) که هوش‌مصنوعی برای ارائه جواب‌ها از آن‌ها استفاده می‌کند پاسخ‌های متوسطی ارائه می‌دهند. الگوریتم‌های این مدل‌های زبانی جهت شناسایی کلمات متوالی طراحی شده‌اند. برای مثال در نظر بگیرید اگر جمله ” مثل یک … عو عو می‌کند ” را به آن تحویل دهید و از ربات بخواهید تا این جمله را کامل کند،کلمه سگ را به طور قطع پیشنهاد خواهد کرد.
اما اگر تیم‌ها به دنبال پاسخ‌هایی نوآورانه باشند، جواب‌های متوسط کاربرد کمی خواهند داشت. بنابراین مدیران باید به تیم‌های خود یاد دهند که قبل از استفاده از ابزار، پروپوزال دقیق مشکل را در دست داشته باشند، یعنی تا جایی که ممکن است جزئیات بیشتری را ارئه دهند. برای مثال، به جای پرسیدن ” چگونه می‌توانیم رضایت مشتری را بهبود ببخشیم؟”
تیم‌ها می‌توانند بپرسند “مسیر پذیرش مشتری ما مطابق با گام‌های زیر است، با توجه به این موارد با ایجاد چه تغییراتی در مراحل پذیرش می‌توان به میزان ۱۰ درصد بیشتر حفظ مشتری کرد؟”
طبق نظر محقق: ” مردم انتظار دارند که هوش مصنوعی یک شبکه باشد، به آن وصل شوند و راه حل موردنظرشان را تحویل بگیرند! در صورتیکه تیم‌هایی که این رویکرد را اتخاذ کردند، یعنی مساله را به صورت گسترده و دقیق بیان کردند و از ChatGPT خواستند تا آن را حل کند، به دنبال آن نتایج شفافی نیز دریافت کردند.”
طوفان فکری بدون هوش‌مصنوعی
قبل از اینکه افراد با هوش مصنوعی تعامل کنند، به اعضای تیم، مثلاً ۱۵ تا ۳۰ دقیقه زمان بدهید تا به طور جداگانه ایده‌های خود را مطرح کنند. این کار کمک می‌کند تا افراد در جلسات بدون تأثیر گرفتن از پیشنهادات هوش مصنوعی و یا دیگر افراد، شرکت کنند. این مرحله برای جمع‌آوری ایده‌های متنوع و خلاقانه و همچنین حداکثر کردن تعداد ایده‌های منحصر به فرد، حیاتی است.
آموزش هوش‌مصنوعی
سیستم‌های هوش مصنوعی قادر به درک زمینه‌ای که افراد طی ماه‌ها یا سال‌ها در حین کار در سازمان‌ها و صنایع به دست می‌آورند، نیستند. قبل از ادغام ChatGPT یا ابزاری مشابه در فرآیند تفکر، باید به آن کمک کنید تا آموزش ببیند. تا جایی که می‌توانید اطلاعات مربوط به مشکل خود را به طور مشخص به آن وارد کنید که می‌تواند شامل روش تفکر گروهی مشتری،موفقیت‌های قبلی، ابتکارات شکست‌خورده و معیارهای مربوط به آن صنعت نیز باشد.
هوش‌مصنوعی همکار شماست
با هوش مصنوعی مانند همکارتان ارتباط برقرار کنید نه یک نرم افزار. تیم‌های مورد مطالعه در این پژوهش، زمانی که گفت‌وگو را با ChatGPT ادامه دادند، نتایج بهتری گرفتند. پژوهشگران بر این باورند: ” اغلب، حل مساله نیازمند گفتگو است. شما با همکاران خود بحث خواهید کرد تا راه‌حل بهتری برای یک مشکل پیدا کنید، حتی زمانی که یکی از این همکاران ChatGPT باشد.” بسیاری از تیم‌های این آزمایش به سادگی اولین پیشنهاد ChatGPT را پذیرفتند.
محققان این موضوع را به اثر اینشتلونگ (Einstellung) نسبت می‌دهد، یک سوگیری شناختی که در آن افراد به راه‌حل‌های اولیه و آشنا جذب می‌شوند نه کشف احتمالات بیشتر.” احتمالا دلیل بالا بودن تعداد ایده‌های درجه B ایجاد شده توسط تیم‌های با کمک هوش مصنوعی همین موضوع بوده است”، محققان معتقدند: “مهم نیست که پیشنهاد اولیه این ابزار چقدر خوب به نظر برسد، تیم‌ها باید همیشه سوالات بیشتر و مشخص‌تری را دنبال کنند. انجام این کار به هوش مصنوعی اجازه می‌دهد تا مدل پاسخ‌های خود را اصلاح کند و به کاربران راه‌حل‌های بیشتری برای انتخاب نهایی ارائه بدهد.” نکته‌ی قابل توجه این است که:” تیم‌هایی که در این مطالعه نمره A کسب کردند، از گفتگوهای تعاملی با ربات بهره برده بودند.”
فردی در خارج از تیمتان تصمیم نهایی را بگیرد
وقتی تیمتان برای به اشتراک گذاشتن راه‌حل‌ها گرد هم می‌آیند، بهتر است یک فرد را برای بررسی پیشنهادها در نظر داشته باشید. سپس از هوش‌مصنوعی بخواهید تا راه‌حل‌ها را برای همسویی با اهداف تحلیل کند، انتقادات و فرضیات چالش‌برانگیز را ارائه و گزینه‌های بیشتری پیشنهاد دهد. علاوه بر آن، این مرحله به عنوان یک مکانیزم آموزشی عمل می‌کند و عملکرد آینده مدل را بهبود می‌بخشد.
نتایج نشان می‌دهد که استفاده از یک تسهیل‌گر خارجی می‌تواند مفید باشد، کسی که هیچ منفعتی در پذیرش و یا ردشدن راه‌حل‌ها ندارد و همچنین این فرد بهتر است در استفاده از هوش مصنوعی نیز مهارت داشته باشد و از آن در جهت راهنمایی فرآیند، اولویت‌بندی ایده‌ها و برنامه‌ریزی گام‌های بعدی بهره ببرد.
این نکته را در نظر داشته باشید:” طوفان فکری با استفاده از هوش مصنوعی نیازمند بازاندیشی در روند کار و یادگیری مهارت‌های جدید است. اگر آن را در جهت یک مکالمه ساختارمند و مداوم آموزش دهید، می‌توانید به یک منبع جهت توسعه ایده‌های بهتر و خلاقانه دسترسی داشته باشید.”
منبع:
Don’t let gen AI limit your team’s creativity. Harvard Business Review, March-April(2024): 17-20.
مترجم: بابک رشیدی؛ کارشناس روابط عمومی پارک علم و فناوری دانشگاه تهران
طراح: مهسا علی آقا؛ کارشناس روابط عمومی پارک علم و فناوری دانشگاه تهران